基于MATLAB实现的胶囊神经网络指纹识别

针对传统神经网络识别算法易丢失指纹信息的问题,使用胶囊网络（Capsule Network）改进指纹识别算法,使指纹图像特征点的保留能力显著提升。实验采用了 300 枚指纹图像作为训练图像,另外使用其他的 50 枚指纹图作为测试集。通过对比测试集与训练集的指纹发现胶囊网络结构在对指纹测试时,当迭代达到 1000 次时,精度开始接近 90%大大缩断了训练时间,实验表明胶囊网络对指纹图像的识别具有优势。     

模糊几何和纹理特征在指纹细节点后处理中的应用

指纹识别一般基于指纹细节点匹配，当指纹图像质量较差时，细节点的可靠提取十分困难，通常会产生大量的虚假细节点．为提高细节点的精度，给出一种在原始灰度指纹图像上进行细节点后处理验证的方法．在每个自动提取出的细节点上取其在原始灰度指纹图像上的局部邻域，分析邻域图像的模糊几何特征和纹理特征，然后用MLP神经网络对提取出的局部邻域特征进行分类，实现细节点类型验证．实验结果表明：文中方法能有效地去除大量的虚假细节点，与其他方法相比具有较高精度．     

基于信息融合的指纹细节特征提取

为了准确提取指纹特征信息,提出一种基于Gabor滤波器和小波分析相结合的指纹特征信息提取方法.该方法分别利用Gabor滤波器和小波分析对原始指纹图像进行预处理,并提取特征点,取两种不同方法提取的特征点集的交集作为真实特征点,以此减少甚至消除伪特征点.实验结果表明了本方法能正确提取指纹特征信息.     

基于多阶段渐进式神经网络的图像相机指纹提取算法

光响应非均质性（Photo-Response Non-Uniformity,PRNU）噪声的唯一性和稳定性决定了其可作为数码相机的指纹并可用于数字图像的溯源与取证。为了提高PRNU指纹质量及图像溯源精确度,文章提出一种基于多阶段渐进式神经网络的图像相机指纹提取算法。该神经网络使用编码器-解码器架构来学习上下文特征,并利用高分辨率分支来挖掘局部特征,同时在每个阶段引入注意力模块来重新加权局部特征。这样既可以融合上下文信息,又能准确获取局部信息,进而可以充分挖掘图像自然噪声中潜在的PRNU指纹。在Daxing智能手机数据集和Dresden相机数据集上与其他算法的对比实验证明了文章提出的图像相机指纹提取算法的优势。     

一种结合结构信息的指纹细节点特征提取算法

提出了一种新的指纹特征提取方法,引入细节点与中心点的角度差以及细节点到中心点所穿越的脊线数作为细节特征的向量,采用一种改进的Bresenham 画线算法计算穿越的脊线数,提取出了指纹图像的特征信息。实验表明该算法能准确有效地提取出指纹图像的结构特征信息。     

一种有效的指纹细节点提取方法

提出一种指纹细节点提取方法,在得到指纹二值化图像后,分别对脊线和谷线进行细化,从 脊线细化图和谷线细化图中提取分支点作为指纹的特征点。这样得到指纹的细节点比较准确,而虚假 点也比较容易除去。实验证明,这种方法得到细节点的数目也相对较少,有利于进一步的指纹匹配。     

指纹识别中的特征点提取算法

指纹特征的提取在指纹自动识别系统中足一个必不可少的重要环节.根据指纹的固有规律,提出了一套较完整的指纹图像特征提取和伪特征去除算法,指纹特征提取是从细化后的指纹图像中得到的细节特征点(即端点和分叉点),其中含有大量的伪特征,根据伪特征点的结构,在特征提取之后对伪特征点进行去除,主要对毛刺和短脊进行去除.实验结果表明,该算法大大提高了指纹识别时的精度,并具有较强的抗干扰性.通过对上百幅不同质量的指纹图像进行测试,获得了较好的效果.     

基于邻域像素追踪的图像指纹特征点提取

该文针对经过预处理过的指纹图像,采用邻域像素追踪法对指纹纹线端点、叉点、中心点和三角点等指纹特征点进行提取,介绍了各特征点的算法实现流程,给出了最终的特征提取实验结果,实验结果表明,该方法在能够有效地提取指纹特征点的情况下,还在速度和准确性上也有所提高。     

指纹图像匹配的算法研究及其实现

论文首先综合阐述了目前提出的几类指纹匹配方法,然后在提取端点和分叉点两类特征点的基础上,提出了一种新的匹配方法。该算法充分利用了指纹图的结构信息,在以每一个特征点为圆心,以动态R为半径的圆内选取三个“特别”的邻点,作为此中心点的向量组成点,从而使两指纹的匹配转变为向量组间的匹配。实验结果表明,该算法具有完全的图像旋转和平移不变性,能有效地抵抗指纹图像的噪声,匹配速度快,能识别一定范围内的残缺指纹。     

基于深度学习的小面积指纹匹配方法

针对传统的基于细节特征点的指纹匹配方法多适用于采集面积较大的指纹,在面向智能手机端的小采集面积指纹时准确率明显下降的问题,提出一种基于深度学习的小面积指纹匹配方法。首先,提取指纹图像的细节特征点信息;其次,搜索和标定感兴趣纹理区域（ROI）;然后,构建并改进基于残差结构的轻量级深度神经网络,通过采用二值化特征模式优化网络和Triplet Loss方式训练模型;最后,制定一种智能手机端注册-匹配策略实现小面积指纹匹配。实验结果表明,提出方法在公开库FVCDB1与自建数据库上的等错率（EER）分别仅为0.50%与0.58%,远低于传统的基于细节特征点的指纹匹配方法,能够有效提升小面积指纹匹配的性能,更好地满足智能手机端的应用需求。     

快速的多级指纹混合匹配方法

提出一种快速的多级指纹混合匹配方法.该方法在提取指纹图像特征,建立指纹细节点匹配模板后,对指纹进行多级匹配.首先,计算两幅指纹图像特征矢量之间的欧式距离,通过比较距离大小实现指纹的初级比对.然后利用输入指纹与库指纹的细节点模板进行二次匹配.最后,对二次匹配过程中匹配的细节点对加以分析,选取可靠的细节点对作为多参照对应点进行再次匹配.该方法融合指纹的图像特征和细节点特征,避免建立指纹细节点对应性耗时的搜索过程,同时多参照点的引入可以更好地校准细节点集.实验证明该方法快速有效.     

一种基于指纹生物特征识别系统

针对传统身份识别方法中标识物体容易丢失和伪造的问题,在对比可作为识别特征的多种生物特征的基础上,提出并实现了一种基于指纹特征的识别系统。系统首先利用指纹采集器获取指纹图像,然后对采集到的指纹图像进行包括图像分割、图像增强、图像二值化和图像细化在内的图像预处理操作,接着对处理过后的指纹图像进行指纹的特征提取,最后将提取到的待验证手指指纹特征,与指纹特征库中的候选指纹特征进行匹配,以实现用户身份识别。实验结果表明,基于指纹特征的识别系统具有很高的实时性和较高的准确性,可以满足一般用户的身份识别要求。     

基于梯度矢量的指纹特征检出算法研究

自动指纹识别的关键技术之一是指纹特征的检出。目前,指纹特征检出大多是先采用图像增强和图像分割技术检出指纹纹线,然后从指纹纹线图像中检出指纹特征。用这些方法检出的指纹特征依赖于图像分割的精度,而且检出过程比较复杂,运算速度比较慢。为此,提出一种直接按指纹梯度矢量的方向图进行指纹特征检出的算法。文中的算法是先采用拓宽的Prewitt算子计算指纹图像的梯度矢量图,然后计算梯度矢量的方向一致率,最后由方向一致率图检出指纹特征点。首先介绍方法的基本原理,然后给出了采用提出的方法检出指纹特征的实验例子。     

基于MATLAB指纹图像处理与识别的研究

该文利用专门的指纹采集设备获取指纹基本图像,基于MATLAB对指纹图像进行预处理,包括图像增强、图像二值化、分割和归一化。对指纹特征提取指纹类型、坐标和方向参数后,利用BP神经网络进行训练识别。识别实验效果明显,识别率高。     

基于MATLAB指纹图像处理与识别的研究

该文利用专门的指纹采集设备获取指纹基本图像,基于MATLAB对指纹图像进行预处理,包括图像增强、图像二值化、分割和归一化。对指纹特征提取指纹类型、坐标和方向参数后,利用BP神经网络进行训练识别。识别实验效果明显,识别率高。     

指纹图像的识别与分类

指纹作为人体重要的生物特征,其在身份识别领域应用越来越广泛,如何正确识别匹配一组指纹已成为全社会关注的焦点。本文首先建立基于Shi-Tomasi角点检测的指纹特征点提取模型,提取出指纹图像的特征点,基于此,建立基于最短路径角度向量和层次聚类的指纹分类模型,找到每张图像中每个特征顶点相邻最近的两个点,计算三点构成的顶角角度的大小,依此计算每张指纹图像所有特征点的最短路径角度,并构成对应的最短路径角度向量。最后提出采用层析聚类对不同指纹图像的最短路径角度向量进行分类,以此来体现不同指纹间的异同及相似程度。     

一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一。针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法。该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点。并且在FVC2000(国际指纹竞赛数据库)上作了测试。实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性。     

一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一.针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法.该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点.并且在FVC2000(国际指纹竞赛数据库)上作了测试.实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性.     

基于局部特征结构的指纹匹配算法研究

针对实际应用中指纹识别系统对畸变图像识别率较低的情况,提出了一种点模式指纹匹配的新方法,利用细节点方向的分布特点,构造指纹图像中具有平移旋转不变性的局部特征结构,然后根据模板指纹和输入指纹局部特征结构的相似度寻找候选参考点对,将指纹图像进行对齐,最后进行特征点集的全局匹配,由结果分数来判断两个指纹是否匹配,给出了算法实现的全过程,实验结果表明该算法鲁棒性好,正确识别率较高,是一种实用的指纹识别技术.     

一种基于PCNN的指纹特征提取算法

具有生物背景的脉冲耦合神经网络具有自适应提取指纹特征的特性,基于此,首次提出了一种指纹图像特征提取的新方法一一自适应耦合神经网络点火统计图的,此图不仅包含了指纹图像的灰度特征,还包含相邻像素之间的几何位置信息。此方法具有运算速度快及对旋转、平移、尺度不变性,是许多指纹特征提取算法不具备的优点。最后给出了部分实验的结果,以验证该方法的有效性．